[发明专利]一种基于声纹多谐波识别的无人机检测方法

说明书

本发明公开了一种基于声纹多谐波识别的无人机检测方法。传统的基于傅里叶变换的谐波检测方法建立在信号平稳的假设基础上进行分析，使用信号的时域信息得到频域特征，能够精确地确定出平稳信号中各次谐波的频率、幅值以及相位，该方法的不足在于不能处理非平稳信号，不适合分析动态谐波以及突变信号，实际的谐波检测应用中，谐波很可能是动态变化的。本方法通过对目标信源的声音信号做时频分析得到特征频率。根据特征频率在频谱中的位置，将频带等宽度划分为依次交替的特征频率区间与非特征频率区间，求取各频率区间的最高能量值。依据各频率区间的能量上起伏的关系，根据各频率区间的最高能量值的大小关系作为判别标准，能够实现很好的检测性能。

技术领域

本发明涉及无人机声音检测领域，具体涉及一种基于声纹多谐波识别的无人机检测方法。

背景技术

一般的声音检测的方法主要包括：(1)基于傅里叶变换的谐波检测技术；(2)基于小波变换的谐波检测技术。相对于后一种技术，基于傅里叶变换的谐波检测技术计算的复杂度低，精确地确定出平稳信号中各次谐波的频率、幅值以及相位，在谐波检测中得到广泛应用。

但是，传统的基于傅里叶变换的谐波检测方法是建立在信号平稳的假设基础上进行分析，使用信号的时域信息得到信号的频域特征，能够精确地确定出平稳信号中各次谐波的频率、幅值以及相位。该方法的不足之处在于，不能处理非平稳信号，所以不适合分析动态谐波以及突变信号，而且实际的谐波检测应用中，谐波很可能是动态变化的，该方法有待改进。

发明内容

本发明的目的在于针对现有技术的不足，提供一种基于声纹多谐波识别的无人机检测方法。

本发明的目的是通过以下技术方案来实现的：一种基于声纹多谐波识别的无人机检测方法，包括如下步骤：

(1)处理无人机起飞阶段的声音信号，对比起飞前后的时频图，得到特征频率区间[f_1L′,f_1R′],[f_2L′,f_2R′],…,[f_NL′,f_NR′]，[f_1L′,f_1R′]为基频，其余为整数倍的谐波频率；

(2)根据特征频率在频谱中的位置，将频带等宽度划分为依次交替的特征频率区间[f_1L,f_1R][f_3L,f_3R][f_5L,f_5R]…与非特征频率区间[f_2L,f_2R][f_4L,f_4R][f_6L,f_6R]…，区间总数为m；

(3)将待识别的声音信号进行傅里叶变换，步骤(2)划分的各频率区间取傅里叶变换结果中最高k个幅值的平方和作为最高能量值，得到m个频率区间的最高能量值e1,e2...em；

(4)m个频率区间的最高能量值如果满足高低依次起伏，即e1e2，e2e3，e3e4，e4e5，e5e6，e6e7...这种大小关系，则判定为无人机的声音，否则，不是无人机的声音。

本发明提出的基于声纹多谐波识别的无人机检测方法，对无人机声信号的检测效果很好，漏检率低，虚警低。与现有技术相比，本发明具有如下优势：

1.传统的基于傅里叶变换的谐波检测技术，只利用稳定的各次谐波频率与基频的整数倍的关系，但实际信号的谐波不是绝对稳定的，在一定频率范围内有频移，不能满足标准的倍频关系。本发明将频带划分成一定宽度的依次交替的特征频率区间与非特征频率区间，允许谐波在一定范围内波动，利用有谐波时，区间的最高能量的起伏特性作为判别准则，能够有效监测无人机的动态谐波，检测效果良好。